Poznaj metryki konwersji, które się liczą: wzory na współczynnik, przychód na wizytę, mikro i makrokonwersje, atrybucję oraz błędy psujące raporty.

Na tej stronie
W skrócie
Metryka konwersji liczy wizyty, użytkowników lub kliknięcia, które kończą się działaniem, na którym Ci zależy. Współczynnik konwersji dzieli tę liczbę przez ruch, który mógł dokonać konwersji. Wybierz jedną główną konwersję (zakup, umówioną rozmowę, płatny okres próbny), mierz jej współczynnik według kanału i strony docelowej i porównuj każdą liczbę z własnymi wynikami z wcześniejszych okresów. Opublikowane benchmarki pomagają się zorientować, ale nie powinny wyznaczać Twojego celu.
Chcesz dowiedzieć się więcej? Zapytaj
Szybki quiz
Jaki sposób zdobywania klientów online jest dla Ciebie najlepszy?
Sorank pasuje do Twoich odpowiedzi
Przetestuj go przez 3 dni na swojej stronie i zobacz, na czym stoisz w Google, ChatGPT i innych AI.
Wypróbuj 3 dni za darmo3 dni za darmo, potem rezygnujesz, kiedy chcesz. 90-dniowa gwarancja wyników, obowiązują warunki.
Konwersja to każde działanie, które przybliża odwiedzającego do przychodu. W sklepie internetowym zwykle jest to zakup. Dla konsultanta może to być formularz kontaktowy albo umówiona rozmowa. Metryka to liczba takich działań, a współczynnik to ta liczba podzielona przez osoby lub wizyty, które miały szansę wykonać działanie.
Większość zamieszania bierze się z mieszania trzech pojęć. Liczba mówi o wolumenie. Współczynnik mówi o skuteczności. Wartość mówi o pieniądzach. Potrzebujesz wszystkich trzech i czytasz je w tej kolejności. Rosnąca liczba przy spadającym współczynniku zwykle oznacza, że kupiłeś więcej ruchu, a nie lepszy ruch.
| Metryka | Co liczy | Typowy wzór | Na jakie pytanie odpowiada |
|---|---|---|---|
| Konwersje | Zrealizowane działania | Liczba zdarzeń | Ilu ludzi to zrobiło? |
| Współczynnik konwersji | Udział wizyt lub użytkowników, którzy dokonali konwersji | Konwersje / wizyty x 100 | Jak dobrze konwertuje ten ruch? |
| Wartość konwersji | Pieniądze przypisane do konwersji | Przychód / liczba zamówień | Ile warta jest każda konwersja? |
Sam wzór jest prosty. Trudna jest decyzja, czym dzielić, czyli wybór mianownika. W większości raportów pojawiają się trzy wersje, które dla tych samych danych dają różne wyniki:
Współczynnik konwersji na wizytę = konwersje / wizyty x 100
Współczynnik konwersji na użytkownika = użytkownicy, którzy dokonali konwersji / wszyscy użytkownicy x 100
Współczynnik konwersji na kliknięcie = konwersje / kliknięcia w reklamę x 100
Google Ads używa wersji klikniętej. Jego strona pomocy definiuje współczynnik konwersji jako średnią liczbę konwersji na interakcję z reklamą i podaje przykład: 50 konwersji z 1000 interakcji daje 5%. Ta sama strona mówi, że współczynnik może przekroczyć 100%, jeśli liczysz więcej niż jedną konwersję na kliknięcie (Pomoc Google Ads, definicja współczynnika konwersji).
Google Analytics 4 działa inaczej. Jego raporty nazywają konwersje „kluczowymi zdarzeniami” i definiują je jako zdarzenie, które mierzy działanie szczególnie ważne dla sukcesu firmy. Wersja sesyjna współczynnika to udział sesji, w których wystąpiło kluczowe zdarzenie (Pomoc Google Analytics, Informacje o kluczowych zdarzeniach).
Współczynnik na sesję czy na użytkownika?
Oto przykład z liczbami. Sklep dostaje w miesiącu 10000 wizyt, a 250 z nich kończy się zakupem. Współczynnik na wizytę wynosi 250 / 10000 x 100 = 2,5%. Jeśli liczysz użytkowników, wynik się zmieni, gdy jeden klient kupi dwa razy. To nie jest błąd. Obie wersje odpowiadają na inne pytania. Zapisz, której używasz, i stosuj ją w każdym dashboardzie, bo inaczej dwie osoby odczytają z tych samych danych dwa różne współczynniki.
Przykład
Ten sam sklep, ten sam miesiąc: 250 zamówień, 10000 wizyt, 2,5% na wizytę. Platformy reklamowe pokażą jednak współczynnik na kliknięcie, a ten mianownik jest zwykle dużo mniejszy niż liczba wizyt. Kampania z 1000 kliknięciami i 50 konwersjami pokaże 5%, nawet jeśli cała strona konwertuje na poziomie 2,5%. Żadna z tych liczb nie jest błędna. Mierzą różne rzeczy.
Współczynnik bez przypisanej wartości może wprowadzać w błąd. Wyższy współczynnik przy taniej ofercie może przynieść mniej pieniędzy niż niższy przy drogiej. Dlatego współczynnik konwersji zawsze powinien stać obok wartości każdej konwersji, o czym piszemy w sekcji o przychodzie poniżej. Obie liczby działają jako para: współczynnik mówi, jak często ludzie działają, a wartość mówi, ile warte jest każde działanie.

Makrokonwersje to działania bezpośrednio związane z przychodem: zakup, zakwalifikowany lead, opłacona subskrypcja. Mikrokonwersje to kroki po drodze: dodanie do koszyka, zapis do newslettera, wejście na stronę cennika, obejrzenie filmu do końca. Mikrokonwersje pomagają wcześnie wykryć tarcia, ale mogą wprowadzać w błąd. Mogą rosnąć co miesiąc, podczas gdy przychód stoi w miejscu.
| Typ | Przykłady | Dobre do | Ryzyko |
|---|---|---|---|
| Makro | Zakup, umówiona rozmowa, płatny okres próbny | Przychodu i zwrotu z wydatków | Wolno się zmienia, małe liczby przy niskim ruchu |
| Mikro | Dodanie do koszyka, zapis, wejście na cennik | Szybkiego wykrywania tarć | Może rosnąć, gdy przychód stoi w miejscu |
Wybierz jedno działanie, które kończy Twój cel biznesowy, i zapisz jego definicję w jednym zdaniu. Na przykład: „Konwersja to płatność potwierdzona na stronie podziękowania za zamówienie, z wyłączeniem zamówień testowych i zwróconych”. Taka definicja mówi też, co się nie liczy. Formularz, który nie przeszedł walidacji, podwójne wysłanie albo kliknięcie „wyślij” bez odpowiedzi serwera nie powinny być liczone jako konwersja.
Jeśli Twój biznes ma kilka ważnych wyników, na przykład sprzedaż i prośby o demo, zostaw jedną główną konwersję do nagłówkowego współczynnika, a pozostałe pokaż w osobnej tabeli. Wrzucenie ich do jednej liczby sprawia, że współczynnik nie daje się przełożyć na działanie.
Mikrokonwersje są najbardziej przydatne, gdy czytasz je jako proporcje między krokami. Jeśli dodania do koszyka są w porządku, a zakupy spadają, problem leży za koszykiem. Jeśli strona cennika jest często oglądana, a prośby o demo stoją w miejscu, strona przyciąga złych odwiedzających albo nie odpowiada na ich kolejne pytanie. Krok mikro pokazuje, gdzie patrzeć. Makrowskaźnik pokazuje, czy to ma znaczenie.
Listę dźwigni do przetestowania, gdy znajdziesz słaby krok, znajdziesz w artykule jak zwiększyć współczynnik konwersji, a szerszy obraz tego, jak wyszukiwarka i konwersja współpracują, w tekście SEO i CRO.
Wartość zamienia współczynnik w pieniądze. Cztery metryki wykonują większość pracy, a każda ma wzór, który możesz sprawdzić na danych z księgowości. Tabela poniżej podaje je wraz z pytaniem, na które każda odpowiada.
| Metryka | Wzór | Co pokazuje |
|---|---|---|
| Średnia wartość zamówienia | Przychód / liczba zamówień | Ile kupujący wydaje na jedno zamówienie |
| Przychód na wizytę | Przychód / wizyty | Wartość jednej wizyty, porównywalna między kanałami |
| Koszt pozyskania klienta | Wydatki na pozyskanie / nowi klienci | Ile kosztuje Cię jeden nowy klient |
| Wartość życiowa klienta | Średnia wartość zamówienia x zakupy w roku x lata utrzymania | Ile klient jest wart w czasie |
Przychód to iloczyn trzech dźwigni, co ułatwia testowanie każdej z nich osobno:
Przychód na wizytę = przychód / wizyty
Przychód = wizyty x współczynnik konwersji x średnia wartość zamówienia
Weźmy wcześniejszy sklep. Jego 10000 wizyt, 250 zamówień i średnia wartość zamówienia 80 dają 250 x 80 = 20000 przychodu, czyli 2,00 na wizytę. Jeśli zmiana podnosi współczynnik konwersji do 3% przy tym samym ruchu i wartości zamówienia, przychód rośnie do 300 x 80 = 24000. Ten sam wzór pokazuje wpływ zmiany ceny albo zestawu, bo przesuwa trzecią dźwignię. Dlatego sam współczynnik konwersji nigdy nie opowiada całej historii.
Wskazówka
Zanim ustawisz cel, wpisz swoje liczby do kalkulatora współczynnika konwersji. Cel oparty na Twoim ruchu i wartości zamówienia jest dużo bardziej przydatny niż skopiowany z cudzego artykułu.
Zespoły e-commerce śledzą też resztę struktury marży. Przewodnik po KPI e-commerce podaje metryki i miejsca, w których je znaleźć, a przewodnik po metrykach PPC wyjaśnia, jak strona kosztów (koszt kliknięcia, koszt konwersji, zwrot z wydatków na reklamę) łączy się ze współczynnikiem konwersji, który tu czytasz.
Końcowy współczynnik konwersji ukrywa, gdzie ludzie odchodzą. Sklep może tracić większość kupujących w koszyku, a nie na stronie produktu, i jedna stopa tego nie pokaże. Porzucenie koszyka to klasyczny przykład i jedna z najlepiej zbadanych liczb w e-commerce.
Baymard Institute, który testuje procesy zakupowe, publikuje średni wskaźnik porzuconych koszyków na poziomie 70,22%. Wartość to nieważona średnia z 50 badań opublikowanych w latach od 2006 do 2025, a strona została zaktualizowana w październiku 2026 (Baymard Institute, wskaźnik porzuconych koszyków). Używaj jej, żeby wiedzieć, gdzie patrzeć, a nie jako celu. Średnie ukrywają duże różnice między stronami, więc Twoje własne dane z kasy są ważniejsze.
Porzucone koszyki w liczbach
Źródło: Baymard Institute, wskaźnik porzuconych koszyków, aktualizacja październik 2026
Powody, które podają ludzie, są bardziej przydatne niż sam wskaźnik, bo każdy wskazuje konkretną poprawkę. Ta sama strona Baymard wymienia główne powody. Na pierwszym miejscu są dodatkowe koszty, takie jak dostawa, podatki i opłaty. Pokazanie pełnej kwoty wcześnie, na stronie produktu albo w koszyku, jest pierwszym testem, który warto zrobić przeciwko własnym wskaźnikom kroków.
Licz każdy krok w tym samym okresie i dla tych samych użytkowników. Następnie dziel każdy krok przez poprzedni. Wskaźnik kroku pokazuje, które przejście traci najwięcej osób, i to właśnie tę liczbę obserwuj po każdej zmianie.
Wskaźnik kroku = użytkownicy, którzy doszli do kroku n+1 / użytkownicy, którzy doszli do kroku n x 100
Ustaw kroki w kolejności, w jakiej kupujący je wykonuje: strona docelowa, strona produktu, koszyk, kasa, płatność potwierdzona. Definicje trzymaj identyczne z miesiąca na miesiąc. Jeśli w marcu zmienisz to, co liczy się jako „wyświetlenie strony produktu”, wskaźniki z lutego i marca przestaną być porównywalne, a spadek w marcu może wynikać ze zmiany w śledzeniu, a nie z zachowania ludzi.
Konwersja rzadko wynika z jednej wizyty. Kupujący może przeczytać wpis na blogu, tydzień później kliknąć płatną reklamę, a potem wyszukać nazwę marki i kupić. Model atrybucji decyduje, który z tych kontaktów dostaje zasługę. Ten wybór ma znaczenie przy porównywaniu kanałów, bo ta sama sprzedaż może sprawić, że jeden kanał wygląda mocno, a inny bezużytecznie.
Żaden model nie jest poprawny. Każdy odpowiada na inne pytanie i ma swoje odchylenie. Sześć modeli poniżej to te, które spotkasz w większości narzędzi analitycznych i reklamowych.
Cała zasługa przypada ostatniemu kanałowi przed konwersją. Używaj go, gdy chcesz prostego widoku, które kanały domykają sprzedaż, i gdy zespół potrzebuje liczby, którą każdy odtworzy ręcznie. Jego ograniczeniem jest to, że ignoruje pracę odkrywczą. W przykładzie kupującego z góry wyszukiwanie marki dostaje 100% zasługi, mimo że wpis na blogu i reklama sprawiły, że doszło do wyszukiwania.
Cała zasługa przypada pierwszemu kontaktowi. Używaj go, by zobaczyć, które kanały tworzą nowy popyt, na przykład treści, które po raz pierwszy przyprowadzają ludzi do marki. Jego ograniczeniem jest lustrzane odbicie ostatniego kliknięcia: ignoruje to, co domknęło sprzedaż. W tym samym przykładzie wpis na blogu dostaje 100% zasługi.
Każdy kontakt dostaje równy udział. Używaj go jako uczciwej linii bazowej, gdy chcesz zobaczyć całą drogę bez faworyzowania któregokolwiek końca. Jego ograniczeniem jest to, że traktuje przypadkowe wyświetlenie tak samo mocno jak decydujące wyszukiwanie. W przykładzie wpis na blogu, reklama i wyszukiwanie marki dostają po jednej trzeciej.
Kontakty bliższe konwersji dostają więcej zasługi, a waga maleje wraz z wiekiem kontaktu. Używaj go przy krótkich cyklach sprzedaży, gdzie kilka ostatnich kontaktów naprawdę ma największe znaczenie. Jego ograniczeniem jest to, że nie docenia wczesnego researchu, a to główny problem w długich cyklach B2B, gdzie pierwszy kontakt może mieć miesiące.
Pierwszy i ostatni kontakt dostają stały udział, a środkowe dzielą resztę. Wiele narzędzi domyślnie przydziela około 40% pierwszemu kontaktowi, 40% ostatniemu i 20% rozłożonym na środek. Używaj go, gdy cenisz zarówno odkrywanie, jak i domykanie. Jego ograniczeniem jest to, że podział to konwencja, a nie fakt o Twoich kupujących, więc liczby zależą od czyjegoś wyboru.
Model uczy się zasługi na podstawie Twoich własnych ścieżek konwersji, porównując ścieżki, które zakończyły się konwersją, z tymi, które się nie zakończyły. Używaj go, gdy na koncie jest dość konwersji, by model miał z czego się uczyć. Jego ograniczeniami są trudność w ręcznym audycie i wymóg dużej liczby zdarzeń. Przy kilkudziesięciu konwersjach miesięcznie wynik to głównie szum.
| Model | Zasługa idzie do | Najlepszy do | Główne ograniczenie |
|---|---|---|---|
| Ostatnie kliknięcie | Ostatni kontakt | Szybki widok kanałów domykających | Zawyża wyszukiwania marki |
| Pierwsze kliknięcie | Pierwszy kontakt | Sprawdzenia, gdzie zaczyna się popyt | Ignoruje to, co domknęło sprzedaż |
| Liniowy | Każdy kontakt po równo | Uczciwa linia bazowa dla całej drogi | Traktuje słabe kontakty jak mocne |
| Zanik w czasie | Kontakty blisko sprzedaży | Krótkie cykle sprzedaży | Nie docenia wczesnego researchu |
| Oparty na pozycji | Pierwszy i ostatni kontakt, reszta dzielona | Cenienie odkrywania i domykania | Podział jest konwencją |
| Oparty na danych | Wyuczony z Twoich ścieżek | Konta z dużym wolumenem | Trudny do ręcznego audytu |
Uwaga
Porównaj co najmniej dwa modele w tym samym okresie, zanim przesuniesz budżet. Jeśli ostatnie kliknięcie i model oparty na danych się zgadzają, działaj na podstawie wyniku. Jeśli różnią się wyraźnie, kanał prawdopodobnie działa na innym etapie drogi, niż zakłada Twój model, i potrzebujesz więcej danych, zanim zdecydujesz.
Pełny opis modeli i sposobu ich czytania w raportach znajdziesz w przewodniku po atrybucji marketingowej.
Wykonaj pięć kroków po kolei. Pominięcie pierwszego jest najczęstszym powodem, dla którego raportowi nie można ufać, bo każdy kolejny krok dziedziczy definicję, którą wybrałeś.
Pięć kroków do metryki konwersji, której możesz ufać
Konfiguracja platformowa dla GA4, Google Ads i Meta jest opisana w przewodniku po śledzeniu konwersji. Ten artykuł omawia to, co liczby znaczą, gdy już są na miejscu. W GA4 ustawienie kluczowego zdarzenia i sposób liczenia znajdują się w samym zdarzeniu, a strona pomocy Google wyjaśnia oba.

Sprawdź zdarzenie, zanim mu zaufasz. Otwórz widok debugowania, sam wykonaj jeden zakup albo jedno wysłanie formularza i upewnij się, że zdarzenie pojawia się raz, z właściwą wartością i walutą. Strona podziękowania, która się przeładowuje, odpali zdarzenie przy każdym załadowaniu, więc przetestuj też przeładowanie. Jeśli zdarzenie odpala się dwa razy, liczba konwersji jest zawyżona od pierwszego dnia, a współczynnik jest błędny od tego momentu.
Ostrzeżenie
Nie zmieniaj definicji w środku okresu porównawczego. Jeśli w marcu przeniesiesz zdarzenie z „zamówienie złożone” na „płatność potwierdzona”, wskaźniki z lutego i marca mierzą dwie różne rzeczy. Zapisz zmianę w notatkach do raportu i, jeśli to możliwe, utrzymuj stare zdarzenie obok nowego przez kilka tygodni.
Wskaźnik dla całej strony to mieszanka. Średnia 3% może ukrywać stronę docelową z 0,5% i inną z 6%, a poprawka dla każdej jest inna. Segmentacja pokazuje, która grupa wymaga uwagi, dlatego rozbij wskaźnik, zanim zaczniesz działać. Zatrzymaj się na segmentach, które mają wystarczającą liczbę danych, by je odczytać.
| Segment | Na jakie pytanie odpowiada | Co sprawdzić |
|---|---|---|
| Kanał | Które źródła przyprowadzają kupujących? | Porównaj płatne, organiczne i polecenia w tym samym okresie i tym samym modelu atrybucji |
| Urządzenie | Czy mobilne konwertuje wyraźnie gorzej niż desktop? | Porównaj współczynnik i błędy kasy według urządzenia |
| Nowi lub powracający | Czy nowi odwiedzający potrzebują więcej sygnałów zaufania? | Porównaj różnicę między obiema grupami w czasie |
| Strona docelowa | Która strona wejścia traci ludzi? | Posortuj strony według wizyt, a najpierw napraw strony o dużym ruchu i niskim współczynniku |
| Kraj | Czy blokadą są cena, dostawa czy język? | Sprawdź walutę, opcje dostawy i przetłumaczony tekst kasy |
Małe próby wymagają osobnego ostrzeżenia. Trzy zamówienia z 40 wizyt to 7,5%, a pojedyncze dodatkowe zamówienie zmienia wynik o 2,5 punktu. Ta różnica jest większa niż większość zmian, które testujesz. Ustal minimalny wolumen, zanim zaczniesz działać, na przykład liczbę wizyt lub konwersji na segment, uzgodnioną z góry, a segmenty poniżej tego progu raportuj jako „za mało danych”, a nie jako trend.
Każdy poniższy błąd ma trzy części: czym jest, jak go rozpoznać i jak go naprawić. Większość wynika z mianownika, definicji albo liczenia, a nie z matematyki.
Niektóre poradniki dzielą łączną liczbę zdarzeń konwersji przez liczbę sesji. To liczy zdarzenia, a nie sesje, więc jedna sesja z dwoma zakupami podbija wynik. Może się różnić od wskaźnika kluczowych zdarzeń na sesję, który GA4 raportuje dla tego samego zakresu i segmentu. Jak rozpoznać: porównaj swoją wyliczoną wartość z raportem GA4 dla tych samych dat. Jeśli się różnią, obie liczby mierzą różne rzeczy. Jak naprawić: wybierz jedną definicję, wpisz ją w tytule raportu i używaj w każdym dashboardzie.
Google Ads może pokazać współczynnik konwersji powyżej 100%, gdy liczysz każdą konwersję albo gdy jedno kliknięcie generuje kilka konwersji. Strona pomocy Google mówi to wprost. Jak rozpoznać: szukaj kolumny współczynnika z wartością powyżej 100%. Jak naprawić: mierz działanie jako jedną konwersję na kliknięcie, gdy chcesz współczynnika, a łączną liczbę konwersji pokaż jako osobną liczbę.
Strona podziękowania odpala zdarzenie przy każdym załadowaniu. Klient, który odświeży stronę albo wróci przyciskiem wstecz, dodaje kolejną konwersję. Jak rozpoznać: szukaj tego samego identyfikatora zamówienia, który pojawia się w danych dwa razy, albo kluczowych zdarzeń, które przekraczają liczbę zamówień w sklepie. Jak naprawić: odpalaj zdarzenie dopiero po potwierdzeniu zamówienia na serwerze i deduplikuj po identyfikatorze zamówienia.
Testy zespołu i zakupy pracowników trafiają do liczników i zawyżają współczynnik. Jak rozpoznać: szukaj skoków konwersji w dni bez kampanii albo zamówień z testowymi nazwiskami i bez adresu dostawy. Jak naprawić: wyklucz ruch wewnętrzny w przefiltrowanym widoku, anuluj zamówienia testowe w sklepie i prowadź dziennik dat testów, żeby później wyjaśnić skoki.
Okna atrybucji określają, jak długo kontakt może dostawać zasługę za późniejszą konwersję. Kanału mierzonego oknem 30 dni nie da się bezpośrednio porównać z kanałem mierzonym oknem 90 dni. Domyślne okno wsteczne w GA4 dla większości kluczowych zdarzeń wynosiło 90 dni, więc sprawdź ustawienie w swojej właściwości, zanim porównasz kanał z innym oknem. Jak rozpoznać: sprawdź, czy sumy konwersji według kanału zgadzają się ze sprzedażą i czy różnice maleją, gdy zmienisz okno. Jak naprawić: używaj jednego okna w każdym porównaniu i zapisz je obok liczby.
Strona docelowa z 3 zamówieniami z 40 wizyt wygląda jak trend 7,5%. Jedno zamówienie więcej lub mniej zmienia wynik o 2,5 punktu, a to wystarcza, by słabą stronę pokazać jako dobrą albo dobrą jako słabą. Jak rozpoznać: sprawdź liczbę stojącą za każdym współczynnikiem, zanim go odczytasz. Jak naprawić: ustal minimalny wolumen, zanim zgłosisz zmianę, i pokazuj liczbę obok współczynnika w każdej tabeli.
Współczynnik konwersji może się poprawić, a koszt konwersji pogorszyć, bo tanie kliknięcia konwertowały, a drogie nie, albo dlatego, że wydatki wzrosły. Jak rozpoznać: zestaw obok siebie współczynnik i koszt. Jeśli współczynnik rośnie, a koszt rośnie szybciej, kampania kupuje inną grupę odbiorców. Jak naprawić: czytaj współczynnik, koszt i wartość razem i decyduj na podstawie marży, a nie samego współczynnika.
Część wizyt zaczynających się od odpowiedzi AI przychodzi bez odsyłacza i ląduje w ruchu bezpośrednim. Twój ruch bezpośredni rośnie wtedy bez widocznej przyczyny w kampaniach. Jak rozpoznać: szukaj stron docelowych, które dostają wizyty, których nie wyjaśnia żadna kampania, zwłaszcza po tym, jak marka pojawi się w odpowiedziach AI. Jak naprawić: oznaczaj linki, które kontrolujesz, przeczytaj przewodnik po ukrytym ruchu AI i pokazuj źródła AI, które potrafisz rozpoznać, jako osobne wiersze.
Zanim zaufasz współczynnikowi konwersji
Asystenci AI wysyłają dziś odwiedzających na strony. Odpowiedzi ChatGPT, Gemini, Claude i Perplexity mogą wymienić Twoją markę i linkować do Twoich stron, a te wizyty zasługują na osobne wiersze w raporcie, bo ich zachowanie konwersyjne może się różnić od wyszukiwarki. Zacznij od zmierzenia wizyt z każdego rozpoznawalnego asystenta, a potem porównaj ich współczynnik konwersji z wyszukiwaniem organicznym na tych samych stronach docelowych.
Wzmianka pojawia się przed wizytą i ją też warto mierzyć. Śledzenie wzmianek AI w Sorank pokazuje, kiedy ChatGPT cytuje Twoją markę, więc możesz połączyć zmianę wzmianek ze zmianą wizyt i konwersji, zamiast zgadywać na podstawie samego raportu ruchu.

Zachowaj uczciwe porównanie. Wizyta z AI, która ląduje na stronie produktu, to nie to samo co wizyta z wyszukiwarki, która ląduje na wpisie blogowym, więc porównuj podobne rzeczy: ten sam typ strony docelowej, ten sam podział urządzeń i ten sam okres.
Dashboard, który próbuje pokazać wszystko, jest ignorowany. Ogranicz go do sześciu lub ośmiu liczb, na których możesz działać: główny współczynnik konwersji, wartość konwersji, współczynnik według kanału, współczynnik dla najważniejszych stron docelowych, wskaźniki kroków lejka i liczbę konwersji obok każdego współczynnika. Dodaj jedną linię dla modelu atrybucji i okna. Przewodnik po dashboardzie marketingowym wyjaśnia, jak zbudować układ, a przewodnik po KPI SEO wymienia metryki wyszukiwarki, które powinny stać obok współczynnika konwersji.
Jeśli Twój ruch pochodzi głównie z wyszukiwarki i AI, możesz też użyć dashboardu GEO i SEO od Sorank, żeby zobaczyć ruch z Google i z AI w jednym widoku. Używaj go do sprawdzenia trendu, a potem wróć do wskaźników kroków powyżej, żeby znaleźć przyczynę.
Wskazówka
Zapisz definicję swojego współczynnika konwersji w pierwszej linii dashboardu, a nie w osobnym dokumencie. Współczynnik jest tak dobry, jak definicja, którą czyta razem z nim każdy.
Gdy definicja, zdarzenia i segmenty są na miejscu, kolejnym pytaniem jest to, co zmienić. Słowniczek optymalizacji współczynnika konwersji podaje słownictwo, a przewodnik po zwiększaniu współczynnika konwersji podaje dźwignie do testowania, jedna po drugiej, względem zapisanej wartości bazowej.
Nie ma uniwersalnie dobrego wskaźnika, bo zależy od oferty, ceny i źródła ruchu. Porównuj go z własnymi wynikami z poprzednich okresów i z tym samym kanałem, a opublikowane średnie traktuj tylko jako orientacyjne odniesienie.
Współczynnik konwersji to udział wizyt lub użytkowników, którzy dokonali konwersji. Wartość konwersji to pieniądze przypisane do tych konwersji. Wysoki wskaźnik przy tanim działaniu może przynieść mniej niż niższy przy drogim, więc czytaj oba razem.
Tak, jeśli formularz prowadzi do sprzedaży lub zakwalifikowanego kolejnego kroku. Licz każde zgłoszenie raz i wyłączaj spam oraz nieistotne leady, bo podnoszą wskaźnik bez dodawania przychodu.
